Важно, у кого ты учишься (Грубер)
- title
- Важно, у кого ты учишься (Грубер)
- type
- summary
- summary
- Бастиан Грубер о том, почему LLM может объяснить, но не научить: учитель несёт традицию преемственности и знает ученика
- tags
- learning, mentorship, llm-skepticism
- sources
- it-matters-who-teaches-you
- created
- 2026-09-13
- updated
- 2026-09-13
- lang
- ru
- translation_of
- who-teaches-you
- source_updated
- 2026-09-13
- translated
- 2026-09-14
- translator
- lllm/antigravity/gemini-3.7-flash-medium
Бастиан Грубер - автор книги Rust Web Development издательства Manning, сейчас он пишет её второе издание. Заметка начинается с того, насколько ему нравились LLM. Школа ему никогда не подходила, и в 37 лет инструмент, выдающий бесконечные объяснения на любую тему, показался именно тем, чего ему не хватало: он представляет, как конспектирует уроки в классе, а дома часами расспрашивает модель о том, о чём постеснялся спросить вслух. Даже когда ответы ошибочны, обсуждение идей с моделью наталкивало его на мысли, до которых он иначе бы не дошёл, что особенно ценно на удалёнке. Он стал считать LLM однозначным плюсом - при условии, что удастся наладить регулирование дата-центров, обучения и использования моделей.
Традиция
Взгляд Грубера изменила книга о медитации - Inexplicable Magic Сьюзан Пайвер. Пайвер пишет, что важно, у кого вы учитесь, поскольку "вы вошли в практику через определённую дверь, через которую прошли многие другие", а позже спрашивает, стоит ли за вашим наставником и его указаниями традиция преемственности: "Если да, прекрасно, ведь нам не нужна выдуманная чушь". Грубер применяет эту мысль напрямую. У LLM нет преемственности, за её ответом никто не стоит, поэтому то, что она предлагает, - убедительно звучащая выдуманная чушь, а учиться стоит у людей, которые от неё свободны.
Люди, которые его учили
В разработку он пришёл через ученичество электриком, где наличие бригадира-наставника даже не обсуждалось. В идеале вас ставили в пару с тем, кто подходил под ваши навыки и стремления, и этот человек "смотрел вам в глаза, полагался на интуицию и опыт и сам решал, к чему вы готовы". Свой профессиональный рост он в равной степени связывает как с собственной работой, так и с преподавателями, старшими инженерами и руководителями - включая то, какими людьми они были, - и говорит, что писал первое издание книги, думая именно о них.
Что при этом теряется
Доказательство этой потери для него - собственные ощущения от работы. Два-три часа с LLM обычно оставляют чувство опустошённости и выгорания. Парное программирование или комната с людьми, решающими одну задачу, напротив, вдохновляют и дают заряд продолжать работу даже после окончания дня. LLM не понимает, кто вы такой; она разбирает текст и возвращает правдоподобные абзацы, без обучения и без человеческого контакта. Своим детям он не станет рассказывать о долгих сессиях с моделью, но расскажет о ночах, проведённых за работой с другими людьми. Именно поэтому он продолжает писать книги: он надеется, что когда-нибудь молодой инженер скажет, что научился чему-то у Бастиана Грубера, а не у статистически сгенерированного текста.
Разбор
Здесь переплетены два тезиса, и обоснованы они по-разному. Тезис о точности - мол, ответы LLM представляют собой выдуманную чушь, - слабее: во вступлении автор сам признаёт, что ответы обычно близки к правде. Тезис о происхождении сильнее: ответ, за которым никто не стоит, - это та самая пустота, которую описывает a-voice-from-nowhere, текст, имитирующий мысль без какого-либо пути за ним.
Самый сильный тезис касается обучения как отношений. Бригадир, решающий, к чему вы готовы, - это учитель, который держит в голове ментальную модель ученика, чего не заменит никакой объём хороших объяснений. Это взгляд со стороны ученика на contributor-poker, где ревью мейнтейнера - инвестиция в человека, а не в патч, и то самое наставничество, исчезновение которого programming-still-sucks и rakyll-coding-agents предсказывают по мере ухода рутины к агентам. Свидетельства, собранные в pair-programming, указывают туда же: наибольшую пользу получают джуниоры на сложных задачах. dont-outsource-learning даёт частичный ответ изнутри самих инструментов: концептуальные вопросы к модели лучше простого копирования кода, но суть позиции Грубера в том, что даже лучший вопрос к модели всё равно не равен обучению у наставника. Чувство опустошения после долгих сессий с моделью также отмечается в agentic-coding-fatigue и know-thine-enemy.